進化的アルゴリズムには、従来の逆伝播法よりもどのような利点がありますか？

進化的アルゴリズムを使用して人工ニューラルネットワークを設計およびトレーニングすることには、従来の逆伝播アルゴリズムを使用するよりもどのように利点がありますか？

逆伝播とは異なり、進化的アルゴリズムでは、目的関数が最適化しようとしているパラメーターに関して微分である必要はありません。その結果、アクティベーション関数やレイヤー数など、標準のバックプロパゲーションでは不可能な「その他のこと」をネットワークで最適化できます。

もう1つの利点は、変異関数とクロスオーバー関数を定義することにより、パラメーター検索スペースの探索方法に影響を与えることができることです。

フランクの答えに加えて、勾配とは逆の方向（ローカルの最適値の方向にある可能性がある）に存在するより良い最適値（グローバルな最適値も）があるかもしれません。進化的アルゴリズムには周囲の領域を検索するスコープがありますが、逆伝搬は常に勾配の方向に移動します。（それらのランダム性のために）保証がなければ、進化的アルゴリズムは、逆伝播が単純にできないソリューションを見つけることができるかもしれません。